量子科技中心_量科网

许多成功的生成模型家族利用低维潜分布映射到数据分布。尽管简单潜分布被广泛使用，但研究表明更复杂的分布能提升性能。例如，近期工作探索使用量子处理器产生的分布并观察到了实证性改进。然而，关于量子处理器生成的潜空间分布何时能预期提升性能，以及这些改进是否具有可复现性，仍是该研究团队在本工作中探索的开放性问题。研究团队证明，在特定条件下，这些“量子潜分布”能使生成模型产生经典潜分布无法高效生成的数据分布，同时提供了可操作的直觉判断，以识别现实场景中量子优势可能出现的条件。该团队在合成量子数据集和QM9分子数据集上进行了基准测试实验，使用模拟和真实的光子量子处理器。结果表明，相较于一系列经典基线模型，量子潜分布能提升GAN的生成性能。研究人员还探索了扩散模型和流匹配模型，确定了与量子潜分布兼容的架构。这项工作证实了近期量子处理器能够扩展深度生成模型的能力边界。